计算机应用研究

作者：何光,卢小丽,李高西,

单位：重庆工商大学a.经济社会应用统计重庆市重点实验室;b.数学与统计学院;c.长江上游经济研究中心,重庆400067；

关键词：量子粒子群优化算法,协同进化,局部吸引点,最优平均位置,工程应用,

基金：国家自然科学基金资助项目(11901068)；重庆市科委资助项目(cstc2016jcyjA0564)；重庆市教委资助项目(KJQN202100815,18SKJD034)；重庆工商大学科研平台开放课题(KFJJ2016008)；；

为更好地提升量子粒子群优化算法（QPSO）的局部挖掘和全局搜索能力，提出了一种改进的QPSO算法（DSQPSO）。在改进算法中引入了双策略协同进化的思路调整粒子的位置更新公式。为充分体现个体粒子挖掘的优势和群体共同引导的特点，提出了两种吸引点构造的思路，做到个体和种群更好地融合以及信息的互通；分别考虑了最优平均位置与全局最优和粒子的历史最优之间的联系，对粒子搜索范围作出了重新定义；此外，在迭代过程中，借助随机扰动机制对全局最优位置进行调整，以保持种群的多样性。通过18个测试函数将DSQPSO算法与PSO、QPSO、RQPSO和LQPSO四种算法在收敛精度和鲁棒性方面进行对比；进而在两个具体的工程优化问题上，应用改进算法与八个智能算法进行了寻优结果比较。实验表明DSQPSO算法无论在基准测试中还是在工程应用上，其计算精度和收敛效果均有明显优势。

来源：2023年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第2期